銀行系統性風險的研究進展及述評

摘 要：美國次貸危機和歐債危機的爆發使得銀行系統性風險受到極大關注。本文基于銀行系統性風險的特征和內涵，以銀行系統性風險的度量、理論建模和實證分析為主線，對相關文獻進行系統地梳理和回顧。銀行系統性風險未來可能的研究方向是使用大數據來協調處理全球銀行系統性風險度量的數據和方法；銀行業務和信息傳染的交互性對銀行系統性風險生成機制的影響；動態網絡結構與銀行系統性風險的仿真模擬；銀行系統性風險的宏觀經濟學框架構建。

關鍵詞：系統性風險；銀行；傳染

中圖分類號：F830 文獻標識碼：A 文章編號：1003-9031（2015）12-0010-06 DOI：10.3969/j.issn.1003-9031.2015.12.02

一、引言

銀行的風險管理越來越依賴于一些復雜而強有力的風險管理工具，銀行監管者也試圖通過一些精確的風險管理模型來降低單個銀行的風險。如果按照系統論的觀點看待銀行業，增強銀行系統的穩定性并不能依靠改進單個銀行的風險管理模型，或者維持單個銀行一定的資本充足率水平。在銀行系統中，對流動性的管理使得銀行間維系著復雜的借貸關系，而未來大量衍生工具的使用使得它們之間的關系變得更加錯綜復雜。因而，僅從銀行個體層面無法反映銀行間市場中存在的這種復雜的交易關系。銀行間市場中債權、債務和銀行間復雜的網絡結構關系，使得基于對單個銀行的分析無法評估整個銀行系統性風險。因而，需要研究銀行系統性風險的生成機制，并針對銀行系統層面的定量風險分析方法。本文將從銀行系統性風險的度量、理論模型和實證分析角度進行綜述，以期為銀行系統風險研究和金融宏觀審慎監管研究提供參考和借鑒。

二、銀行系統性風險的度量方法

銀行系統性風險可以被認為是由于某一或某幾個主要銀行的失敗給其他銀行帶來負外部性，造成其他銀行的生存受到影響，有可能使銀行系統喪失基本功能的可能性。系統性風險的特征一般可以包括：外部性、風險收益的非對稱性、傳染性、有損實體經濟和影響投資者信心等，其中最為明顯、相對容易判斷和識別的特征。銀行系統性風險的傳染渠道可以分為宏觀沖擊下的被動傳染渠道、實際業務傳染渠道和信息傳染渠道三種。度量研究的思路有：綜合模擬法、銀行間的業務度量法、條件涉險價值和邊際貢獻法、困境保險溢價法。

（一）綜合模擬法

該方法一般只考察銀行間的數據，如股市收益率和財務數據等，不考察其實際業務。通過對多家銀行資產波動的模擬，考慮在滿足一定的條件下系統性風險發生的概率，使用銀行資產間的關系度量風險的傳染。Barnhill和Souto（2008）以巴西28家大銀行的系統性風險為對象，發展了前向資產模擬方法來測算市場風險、私人部門以及主權和銀行間違約風險對所有單個銀行和銀行集團的影響[1]。Lehar（2005）使用1988—2002年國際銀行的樣本，使用股票市場的信息，應用或有權益分析法（CCA），估計了銀行資產組合間的聯合動態和相關性[2]。吳恒煜等（2013）以2007—2012年中國上市銀行的股市數據和相關財務數據，基于拓展的或有權益分析法分析系統性風險，研究了系統性風險演變的動態特征[3]。

（二）銀行間的業務度量法

該方法主要包括銀行間市場的交易分析、支付系統傳染分析和銀行間的信息分析。

1.利用銀行間的市場交易分析風險發生的概率，這一分析是基于風險傳染依賴于銀行關聯方式。Haldane和May（2011）以銀行業生態系統的視角研究系統性風險，分析了沖擊和沖擊的傳染，并提出了相關降低系統性風險的公共政策含義[4]。Vafopoulos（2012）引入了銀行間風險關聯的分析，并以此檢驗了希臘主要銀行的“支票作為擔保”網絡的實際例子，所提出的方法為監管當局更準確的測算系統性風險提供重要的工具[5]。Sergueiva（20

13）在網絡法的基礎上提出了一個綜合方法來識別、建模、分析和檢測銀行系統性風險[6]。隋聰等（2014）利用網絡結構結論分析了銀行間違約傳染和系統性風險的關系[7]。范宏（2014）使用動態網絡系統理論和系統仿真的方法研究了銀行系統性風險的累積過程[8]。

2.系統性風險的支付系統傳染渠道。Diamond和Dybvig（1983）首先使用三階段模型研究系統性風險的支付系統渠道[9]。Chakravorti（1996）研究了多邊凈額支付系統中的系統性風險，構建四階段模型分析隨機宏觀沖擊的效應[10]。Afonso和Shin（2009）研究了大額支付系統中的流動性和系統性風險，使用了格論的方法求解一個均衡映射的唯一不動點，對環境變化作了比較靜態分析[11]。因此，通過支付系統傳染的系統性風險可以被認為是支付系統傳染渠道。

3. 由信息傳染引發的銀行業系統性風險。Chen（199

9），Chen和Hasan（2008）在這方面的研究較多。該方法認為，即使銀行間沒有存款關系，由于銀行的收益相關性，一家銀行的失敗會影響投資者對其他銀行的預期，當部分銀行資產出現負面信號時，擠兌的發生則會引發倒閉[12-13]。從歷史上銀行系統性危機來看，銀行業務傳染導致的危機一般多發生于初期，而信息傳染會加速和放大系統性風險，繼而導致支付渠道的傳染出現，有時候銀行系統性風險的發生是多渠道造成的。

（三）條件涉險價值和邊際貢獻法

Adrian和Brunnermeier（2008）提出的條件涉險價值法（CoVaR）方法，用于度量單個銀行陷入困境對銀行體系尾部風險的影響，它是一種特殊的測算系統重要性銀行的方法，但其沒有可加性，因此無法通過單個的風險貢獻加總來估計系統性風險的大小[14]。Adrian和Brunnermeier（2011）又將系統性風險的貢獻度引入，用CoVaR與整個銀行體系VaR的差來測度，該方法能夠將兩家銀行間的關聯進行量化，但存在的問題是只考慮了損失分布的特定分位數，并沒有捕捉到門限值以下最為重要的極端尾部風險[15]。陸靜和胡曉紅（2014）利用CoVaR和時變的尾部風險模擬的方法對中國上市銀行進行了實證研究[16]。Acharya（2012）等在期望損失理論基礎上提出了邊際和系統性期望損失法[17]。Tarashev（2011）等將系統重要性銀行和系統性風險的度量結合起來，使用夏普利值系統性風險分配到單個機構上，單個機構的系統重要性測度加總后就等于度量系統性范圍的風險[18]。Düllmann和Puzanova（2011）以莫頓型的多因素投資組合模型來測算銀行系統性風險的貢獻，該模型歸納的銀行系統相關性的主要驅動因素是規模、違約風險和作為關聯代理變量的銀行資產相關性[19]。

與CoVaR方法不同，夏普利值法采用從上到下的方法測量系統重要性，通過將系統范圍的風險歸因于單個銀行實現。相比之下，CoVaR直接關注單個銀行，而且并不是基于系統范圍風險的特定測算，它是一個從下到上的方法，并不提供可以加總的構件，所以將系統中所有銀行的CoVaR加總并不能提供系統范圍的VaR。

（四）困境保險溢價法

Huang，Zhou和Zhu（2011）提出了一種新的度量系統性風險的方法，困境保險溢價（DIP）可以理解為因銀行體系發生困境而導致損失所需要的保費溢價，尤其是針對那些大型的復雜銀行使用，可以通過其對銀行體系總體溢價的邊際貢獻來測量，因此它也具有可加性[20]。他們還評估了2007年金融危機期間大型復雜金融機構的系統重要性，并認為規模在系統性風險的測量中非常重要。Black（2012）等研究了歐債危機期間歐洲銀行業的系統性風險，他們設計了假設的困境保險溢價作為歐洲銀行體系的系統性風險測度，對58家主要的單個歐洲銀行對系統性風險的貢獻作了測量[21]。

困境保險溢價法的優點在于可以提供宏觀審慎監管的工具，能夠識別系統重要性金融機構，有助于理解系統性風險的來源。另外，所需的高頻數據可以直接從市場中提取。該方法的缺點在于需要滿足市場有效的前提假設；反周期資本緩沖的時間維度難以確定；作為一種公共政策，系統性資本費用應該基于風險中性價格還是基于精算預期損失也很難確定。

DIP法與MES法、CoVaR法相比，不需要極端情形分布，而只需極端情形下對資產組合損失求條件期望得出閾值即可，后兩種方法是需要基于分布度量的。另外，DIP法主要使用CDS數據，更加注重破產風險，而MES法只使用股市數據即可。Benoit（2012）等還提出了可基于公共數據估計的系統性風險度量方法（CoVaR和MES），并從理論和實證進行對比[22]。

三、銀行系統性風險的理論研究

銀行系統性風險的傳染、擴散等生成機制的研究是銀行系統性風險研究的重要組成部分。一般而言，系統性風險在銀行間傳播主要依賴于兩個途徑，一是實際業務途徑，另一個是信息途徑。這兩個途徑有時很難劃分清楚，經常相伴而生，相互影響。也就是某一機構受到實際業務的影響出現流動性危機，繼而通過信息的傳播，引起擠提的發生，加重了流動性危機，一旦該機構失敗，就會大大增加銀行體系的系統性風險；或者整個銀行體系在受到總沖擊影響后，資產狀況好的銀行由于信息的傳播，存款者認為其狀況會與資產狀況差的同等銀行一樣，導致好銀行在短時間出現大規模的擠提，形成恐慌，繼而增大銀行體系的系統性風險。從某種程度來說，銀行間借貸作為應付流動性沖擊的保險措施是存在的，但這種保險是有代價的，即會產生系統性風險。下面主要從理論模型方面進行闡述。

（一）銀行擠提與恐慌

近年來不少文獻是通過構建模型研究單一銀行脆弱性，像經典的Diamond-Dybvig（以下簡稱DD）模型，這其中涉及的銀行合約與系統性風險有關。Bhattacharya和Thakor（1993）指出應該區別單一銀行的擠提和多銀行模型中銀行恐慌引起的銀行傳染[23]。傳統的銀行擠提模型包括三類：（1）Diamond和Dybvig（1983）自我實現的銀行擠提模型；（2）Jacklin和Bhattacharya （1988）（以下簡稱JB模型）信息的銀行擠提模型[24]，后續的研究還有Diamond和Rajan（2000）、Chen和Hasan（2008），該類模型認為存款者的擠提是由于諸如銀行投資變動等新信息的披露，像領先的商業周期指數引起的[25]；（3）Chari和Jagannathan（1988）恐慌和經濟基本面的銀行擠提模型[26]。

DD模型并沒有指出存款者對銀行恐慌的原因，而JB模型的特征是將銀行和存款者雙向非對稱信息引入模型，銀行擠提會因部分存款者獲得不利信息而發生，而這卻是唯一均衡。Diamond和Rajan（2000）在一個沒有非對稱信息和貸款清算成本的激勵框架中分析可要求的債務收益權角色。Chen和Hasan（2008）在單一銀行和無數原子狀存款者的假設下，得出存款者關于將被揭露的銀行有關質量和數量信息的預期能對他們取款的激勵程度有影響，解釋了為什么銀行擠提看上去像恐慌性擠提。

（二）多銀行體系的拓展和銀行傳染

Chen（1999）將單銀行擠兌模型擴展為多銀行體系，并與羊群效應結合起來，在此模型中，有兩種外部性會導致銀行被傳染而倒閉。Huang和Xu（1999）將銀行間市場危機的發生與項目融資結構的逆向選擇結果聯系起來，并比較了單一銀行融資和多銀行融資的危機發生可能性，結果表明多銀行融資體系更穩定，減少了銀行系統性風險的發生[27]。De Bandt和Hartmann（2000）認為系統性風險的核心就是傳染效應，不同種類的外部效應，有關傳染的理論模型處于開發中，而具有堅實理論基礎的系統性風險概念還缺乏[28]。Horváth和Wagner（2012）研究了反周期資本要求與系統性風險的關系，將系統性風險分為兩個維度，時間維度和橫截面維度，它們內在相關，強調一種維度的政策將會影響另外的維度，所以降低系統性風險的政策需要同時考慮兩者[29]。Montagna和Lux（2014）基于應對不完全結構信息的概率方法，研究了銀行間市場的傳染風險[30]。Cont（2012）等構建了銀行異質性網絡結構，并在此基礎上研究違約傳染與系統性風險的關系，分析資產負債表大小和網絡結構對單個機構的系統性風險貢獻[31]。Ha.aj和Kok（2013）使用模擬網絡研究銀行間的傳染，并通過構建系統性概率指數，這一指數基本上與模擬網絡結構的結果是一致的[32]。

（三）總沖擊和借貸潮

傳統上，許多系統性銀行危機與衰退和宏觀經濟沖擊有關，但超出單個銀行擠提理論模型的很少?？梢钥吹皆S多銀行危機與周期性的經濟低迷，或其他總沖擊有關。為什么通過這些事件，銀行會同時出現困境，甚至在沒有直接的銀行間傳染條件下，大多銀行包括健康的銀行也難以幸免銀行危機的襲擊？ Chen（1999）表明在其模型中，一個逆向宏觀沖擊將增加傳染的可能性。反過來，對銀行借貸的限制影響經濟周期，因此造成逆向加速或反饋效應。Dewatripont和Tirole（1993）應用銀行廠商的資本結構這一現代公司金融模型，說明銀行過度依賴于債務融資也會導致借貸中的過多風險承擔[33]。借貸潮的文獻也會與金融部門結構問題有關，這些結構問題增加了系統性事件的可能性和嚴重性。

四、銀行系統性風險的實證研究

（一）銀行失敗和隨后的其他銀行失敗相關性的測算

Grossman（1993），Schoenmaker等（1996）均證實銀行失敗與隨后的其他銀行失敗存在相關性的假說[34-35]。但是，這些方法的缺點在于未考慮宏觀因素對自相關的影響，這可能掩蓋了一些傳染的證據，另外，它僅能夠探測宏觀數據頻度的跨期傳染，而不能是更短的時間區間。Duarte和Eisenbach（2014）研究了銀行火速出售的外部性和溢出效應與系統性風險的關系，并以美國的商業銀行和回購市場的數據進行實證分析，并認為這一傳染渠道對系統性風險的影響較大，但銀行的杠桿率和關聯度也有重要的作用[36]。

（二）應用事件研究股價的反應

該方法的思路是諸如銀行突然公布壞賬準備金增加等負面消息對銀行股價反應的事件分析表明銀行間存在傳染。一家銀行的負面消息會導致其他銀行股價的異常下降。Jayanti和Whyte（1996）證明了美國大陸伊利諾伊國民銀行的危機引起英國、加拿大銀行股價的負面變動[37]。Docking， Hirschey和Jones（1997）研究了1985—1990年美國9家貨幣中心銀行的188個貸款損失準備金聲明和102家地區銀行的390個聲明的影響，表明前者的聲明對其它貨幣中心銀行的股價影響很小，而地區銀行的聲明對其他地區銀行和貨幣中心銀行的負面影響較大[38]。但這些負面消息的股市反應是否能作為純粹的傳染效應和理性投資者選擇來解釋還有待進一步的研究。研究中的一些例子不能代表廣義的系統性影響，因為不少發展中國家債務危機的例子可以看作是總沖擊引起的。

（三）度量存款人對負面消息的反應

一家銀行的問題揭露也會導致存款人從另外銀行取款，從而表明銀行傳染的存在。Saunders和Wilson（1996）研究了大蕭條時期美國兩組銀行（一組為163家失敗的國民銀行，另一組為229家存活下來的銀行）的年存款流動狀況，發現從失敗銀行提款的增加伴隨未失敗銀行存款的增加，說明存款人對存款進行了安全投資轉移，1930—1932年數據表明，隨著從失敗銀行提取存款的增加，從未失敗銀行的存款提取明顯更多了，表明為銀行恐慌[39]。但這種方法并不能排除一些失敗銀行是由于不知情的支取而導致失敗的。Calomiris和Mason（1997）研究了1932年芝加哥銀行恐慌，是否在此期間存在一些事前健康的銀行而失敗[40]。

（四）宏觀經濟波動和借貸潮

對銀行系統性風險的實證研究表明歷史上許多銀行系統性危機均與宏觀經濟波動及其他總沖擊或區域沖擊有關。Demirguc-Kunt 和Detragiache（1998）用多變量Logit模型對1980—1994年的45國和60國銀行危機數據進行分析的結果表明，GDP增長率、實際利率、通脹率和私人信貸增長等均是非常顯著的解釋變量。與銀行危機的經濟周期假說一致，所有的GDP增長率與高度顯著的變量[41]。Gourinchas（2001）等證明在信貸泡沫發生后銀行危機和貨幣危機發生的無條件概率比信貸平穩時期高很多[42]。Giglio（2013）等研究了系統性風險和宏觀經濟的實證評價標準，提出了一套評價系統性風險測算的實證相關性標準[43]。

銀行系統性風險的實證研究線索看起來較為清晰，它們普遍認為許多歷史上的銀行危機與宏觀經濟波動、其他總的沖擊和地區沖擊有關。但是，銀行傳染重要性的解釋還不夠直接，通過實證很難判斷傳染到底是基于信息的還是純粹的傳染類型。這會導致央行提供的緊急流動性支持到底給個體銀行還是市場這一爭論。這也是以后研究中的一個主要問題。

五、結語與展望

傳統上對于銀行系統性風險的研究包括：單個銀行困境或其他沖擊可能在復雜的金融體系中被傳遞和擴大，而傳染具有外部性，這也直接導致系統性風險的復雜性，銀行擠提涉及到經紀人、交易商、證券化、回購市場等，這些都與系統性風險密切相關。另外，目前銀行系統性風險在數據、度量和監管方面面臨不小的挑戰，如度量方面面臨“盧卡斯批判”和“古德哈特法則”的約束，但如果銀行系統性風險不能度量就無法對其管理。網絡方法和尾部風險的研究有顯著進展，但研究需要增加一些評價標準，如樣本外的績效等，這方面研究目前也在進行中。

未來銀行系統性風險的研究方向可能包括以下幾個方面：

（一）使用大數據來協調處理全球銀行系統性風險度量的數據和方法

目前，對于銀行系統性風險的度量或者基于公開的銀行數據，如股票交易數據和CDS數據，或者基于銀行間市場數據，這些數據無法反映銀行實時數據的動態變化，而風險具有累積性，這嚴重制約了系統性風險的建模和度量。而且，模型的誤設對度量本身及度量的經濟后果的影響應該謹慎對待。另外，美國財政部所屬的金融研究辦公室將會為全世界的研究者提供新的數據，但是一些原始形式的數據涉密，這對外部研究者的信息共享帶來挑戰。未來可行的研究就是將全球系統重要性銀行業務的海量數據以大數據的方式匿名集中，通過統計分析度量尾部系統性風險的聯動性，實證分析測算沖擊對宏觀經濟的影響。目前，紐約大學斯特恩商學院的Engle教授團隊所建立的V-Lab網站正在做這樣的嘗試。

（二）銀行業務和信息傳染的交互性對銀行系統性風險生成機制的影響

當前的文獻研究認為基于擠提的傳染具有內生性，儲戶的提款是基于對其他提款者的預測，但這些會隨著外部隨機信息而發生改變，從演化博弈和全局博弈視角研究儲戶和銀行、儲戶和儲戶之間的信息關聯和影響機制，信息的交互、學習、模仿等這些復雜的認知和決策行為對銀行系統性風險的生成機制有著重要的決定作用。所以，從微觀層面的儲戶—儲戶和儲戶—銀行行為到宏觀層面的銀行—銀行行為和銀行—宏觀經濟的研究相結合將是未來研究的另一方向。

（三）動態網絡結構與銀行系統性風險的仿真模擬研究

銀行間關聯對流動性的支持有益，但會放大銀行系統的脆弱性，會出現“太關聯而倒閉”的現象。這是一對矛盾的關系，未來對這一關系的研究會拓展至銀行間網絡結構對銀行傳染和銀行系統性風險的影響，復雜網絡理論是重要的方法之一。這類方法將銀行網絡看作復雜網絡系統，使用拓撲結構、節點動力學和節點動態交互等方法進行研究，拓撲結構的演化和節點動力學演化結合在一起就成為動態演化的網絡系統。傳統的研究包括銀行的直接信貸網絡和銀行間接聯系網絡，不管是哪一種都沒有刻畫風險累積的動態過程，基于仿真模擬的動態演化銀行網絡結構研究是解決這一問題的有效方法。

（四）銀行系統性風險的宏觀經濟學框架構建

將銀行系統性風險的研究與宏觀經濟學結合起來也將是未來的研究方向，即銀行系統性風險對宏觀經濟的影響。通過構建模型，將銀行這一金融中介納入宏觀經濟框架，模型產生一個隨機穩態分布的經濟，其中，部分的狀態對應系統性風險的狀態，并可以檢驗從正常狀態對系統性風險狀態的轉變，模型可以將宏觀壓力測試與系統性風險的狀態概率聯系起來。模型的構建需要能夠量化和評估系統性風險，尤其是宏觀經濟出現壓力時對銀行系統性風險的概率影響，主要利用實證分析來研究系統性風險和宏觀經濟的關系。

（責任編輯：張恩娟）

參考文獻：

[1]Barnhill，T.M.and R.M.Souto.Systemic bank risk in Brazil： An Assessment of Correlated market， Credit，Sovereign and Inter-bank Risk in an Environment with Stochastic Volatilities and Correlations[M]. Deutsche Bundesbank Discussion Paper Series 2：Banking and Financial Studies，2008：13.

[2]Lehar，A..Measuring Systemic Risk：A Risk Management Approach[J] .Journal of Banking and Finance，2005，29 （10）：2577-2603.

[3]吳恒煜，胡錫亮，呂江林.我國銀行業系統性風險研究——基于拓展的未定權益分析法[J].國際金融研究，2013（7）：85-96.

[4]Haldane，A..and R.M.May.Systemic Risk in Banking Ecosystems[J].Nature，2011，469：351-355.

[5]Vafopoulos. M.Looking for Grassroot Sources of Systemic

Risk： the Case of ‘cheques-as-collateral’ Network[J].Journal of Payments Strategy Systems，2012，6：183-197.

[6]Sergueiva， A.Systemic Risk Identification， Modelling， Analysis， and Monitoring： An Integrated Approach[R]. arXiv：2013： 1310.6486vl.

[7]隋聰，遲國泰，王宗堯.網絡結構與銀行系統性風險[J].管理科學學報，2014（4）：57-70.

[8]范宏.動態銀行網絡系統中系統性風險定量計算方法研究[J].物理學報，2014（3）：1-8.

[9]Diamond，W.D.and H. P.Dybvig.Bank Runs，Deposit Insurance， and Liquidity[J].Journal of Political Economy，1983，91，401-419.

[10]Chakravorti，S..Analysis of systemic risk in the payments system[R].Financial Industry Studies Working Paper 96-2， Federal Reserve Bank of Dallas，1996.

[11]Afonso，G.M.and H.S.Shin.Systemic Risk and Liquidity in Payment Systems[R].FRB of New York Staff Report，2009：352.

[12]Chen Y.Banking Panics：The Role of the First-Come，First-Served Rule and Information Externalities[J].Journal of Political Economy，1999， 107：946-968.

[13] Chen，Y.and I.Hasan.Why Do Bank Runs Look Like Panic？ A New Explanation[J].Journal of Money， Credit and Banking，2008（40）：535-546.

[14]Adrian，T.and M.Brunnermeier.CoVaR[R].Staff Reports 348， Federal Reserve Bank of New York，2008.

[15]Adrian，T.and M.Brunnermeier.CoVaR[R].NBER Wor-

king Paper， 2011：17454.

[16]陸靜，胡曉紅.基于條件在險價值法的商業銀行系統性風險研究[J].中國軟科學，2014（4）：25-42.

[17]Acharya V.V.，L H.Pedersen， T.Philippon and M.Richardson.Measuring Systemic Risk[R].CEPR Discussion Papers，2012：8824.

[18]Tarashev N.，C.Borio and K.Tsatsaronis.Attributing

Systemic Risk to Individual Institutions[R].BIS Working Paper，2010：308.

[19]Dullmann，K.and N.，Puzanova.Systemic Risk Contributions： A Credit Portfolio Approach[D].Duestch Bundesbank Dicussion paper，2011： 8.

[20]Huang，X.，H.Zhou， and H.Zhu.A Framework for Assessing the Systemic Risk of Major Financial Institutions[J].Journal of Banking and Finance，2009，33：2036-2049.

[21]Black et.al.The Systemic Risk of European Banks during the Financial and Sovereign Debt Crises[R].Board of Governors of the Federal Reserve System International Finance Discussion Papers，2013：1083.

[22]Benoit S.，G.Collettaz and C.Hurlin.A Theoretical and Empirical Comparison of Systemic Risk Measures： MES versus CoVaR[R].SSRN Working paper，2012.

[23]Bhattacharya， S.and A.，Thakor. Contemporary Banking Theory[J].Journal of Financial Intermediation，1993，3（1）：2-50.

[24]Jacklin， C.and S. Bhattacharya.Distinguishing Panics and Information-Based Bank Runs：Welfare and Policy Implications[J].Journal of Political Economy，1988，96：568-592.

[25]Diamond，D.W.and R.G.Rajan.A Theory Of Bank Capital[J].Journal of Finance，2000，55：2431-2465.

[26]Chari，V.V.and Jagannathan，R.Banking Panics，Information and Rational Expectation Equilibrium[J].Journal of Finance，1988，43（3）：749-761.

[27]Huang，H.and C.Xu.Financial Institutions，Financial Contagion， and Financial Crises[R].CID Working Papers 21，Center for International Development at Harvard University，1999.

[28]DeBandt，O.and P.Hartmann.Systemic Risk：A Survey[R].European Central Bank working paper，2000：35.

[29]Horváth B.and W.Wagner.The Disturbing Interaction between Countercyclical Capital Requirements and Systemic Risk[D].SSRN Working Paper，2012.

[30]Montagna，M.and T.Lux.Contagion Risk in the Interbank Market： A Probabilistic Approach to Cope with Incomplete Structural Information[D].Kiel Working Paper，2014：1937.

[31]Cont，R.，A.Moussa and E.Santos.Network Structure and Systemic Risk in Banking Systems[R].in Fouque， J.-P.， Langsam， J.（Eds.） Handbook on Systemic Risk， Cambridge University Press，2013.

[32]Ha aj，G.and C.，Kok.Assessing Interbank Contagion Using Simulated Networks[R].ECB Working Paper Series，2013：1506.

[33]Dewatripont，M.and J.Tirole.The Prudential Regulation of Banks[R].Cambridge， MA， MIT Press，1993.

[34]Grossman，R.The Macroeconomic Consequences of Bank Failures under the National Banking System[J].Explorations in Economic History，1993， 30（3）：294-320.

[35]Schoenmaker，D.，Peter M.Garber and D.F.I.Folkerts-LandauThe Reform of Wholesale Payment Systems and its Impacton Financial Markets，[R].IMF Working Papers 96/37， International Monetary Fund，1996.

[36]Duarte，F.and T.M.Eisenbach.Fire-sale Spillovers and Systemic Risk[R].Federal Reserve Bank of New York Staff Reports，2014：645.

[37]Jayanti，S V and A. M.，Whyte.Global Contagion Effects of the Continental Illinois Failure[J].Journal of International Financial Markets，Institutions Money，1996（6）：87-99.

[38]Docking， D.S.， Hirschey， M.and Jones， E.Information and Contagion Effects of Bank Loan Loss Reserve Announcements[J].Journal of Financial Economics，1997（43）：219-239.

[39]Saunders，A.，and B. Wilson.Contagious bank runs： evidence from the 1929-1933 period[J].Journal of Financial Intermediation， 1996（5），409？423.

[40]Calomiris，Charles W.，and Joseph R.MasonContagion and Bank Failures During the Great Depression：The June 1932 Chicago Banking Panic，[J].American Economic Review，1997（87）：863-883.

[41]Demirgüc-Kunt， A. and E. Detragiache.The Determinants of Banking Crises in Developing and Developed Economies[J].International Monetary Fund Staff Papers，1998（45）：81-109.

[42]Gourinchas，P.O.，R.Valdes， and O.Landerretche.Len-

ding Booms： Latina America and the World[J].Economia，Spring Issue，2001：47-99.

[43] Giglio，S.，B.Kelly and S. Pruitt.Systemic Risk and the Macro Economy： An Empirical Evaluation[D].University of Chicago working paper， 2013.